Ga naar hoofdinhoud

Cursus

Introductie tot regressie in R

GemiddeldVaardigheidsniveau

Bijgewerkt 08-2024

Voorspel huizenprijzen en het aantal klikken op advertenties door regressieanalyse te doen, te bekijken en te begrijpen in R.

Start Cursus Kosteloos

RProbability & Statistics

4 u

14 videos

52 Opdrachten

4,050 XP

77,261

Bewijs van Prestatie

Geliefd bij leerlingen van duizenden bedrijven

Een team trainen?

Probeer voor bedrijven

Cursusbeschrijving

Lineaire regressie en logistische regressie zijn de twee meest gebruikte statistische modellen en werken als loper voor het ontrafelen van geheimen in gegevenssets. In deze cursus leer je hoe je eenvoudige lineaire en logistische regressies kunt fitten. Met hands-on oefeningen onderzoek je relaties tussen variabelen in echte gegevenssets, zoals schadeclaims bij autoverzekeringen, huizenprijzen in Taiwan, vislengtes en meer. Aan het einde van deze cursus kun je voorspellingen doen op basis van je data, de modelprestatie kwantificeren en problemen met de modelfit diagnosticeren.

Vereisten

Introduction to Data Visualization with ggplot2 Introduction to Statistics in R

1

Eenvoudige lineaire regressie

Je leert de basis van dit populaire statistische model: wat regressie is en hoe lineaire en logistische regressie van elkaar verschillen. Daarna leer je hoe je eenvoudige lineaire regressiemodellen fit met numerieke en categorische verklarende variabelen, en hoe je de relatie tussen de respons- en verklarende variabelen beschrijft met modelcoëfficiënten.

Een verhaal van twee variabelen

Welke is de responsvariabele?

Twee variabelen visualiseren

Een lineaire regressie fitten

Schat de intercept

Schat de helling

Lineaire regressie met lm()

Categorische verklarende variabelen

Numeriek vs. categorisch visualiseren

Gemiddelden per categorie berekenen

lm() met een categorische verklarende variabele

Hoofdstuk beginnen

2

Voorspellingen en modelobjecten

In dit hoofdstuk ontdek je hoe je lineaire regressiemodellen gebruikt om voorspellingen te doen voor Taiwanese huizenprijzen en Facebook-advertentieklikken. Je breidt je regressievaardigheden uit door praktisch aan de slag te gaan met modelobjecten, het concept "regressie naar het gemiddelde" te begrijpen en te leren hoe je variabelen in een gegevensset transformeert.

Voorspellingen maken

Huisprijzen voorspellen

Voorspellingen visualiseren

De grenzen van voorspellen

Werken met modelobjecten

Modelonderdelen uitlezen

Handmatig huizenprijzen voorspellen

broom gebruiken

Regressie naar het gemiddelde

Opeenvolgende portefeuillerendementen plotten

Opeenvolgende rendementen modelleren

Variabelen transformeren

De verklarende variabele transformeren

Ook de responsvariabele transformeren

Hoofdstuk beginnen

3

Modelfit beoordelen

In dit hoofdstuk leer je hoe je vragen stelt aan je model om de fit te beoordelen. Je leert hoe je kwantificeert hoe goed een lineair regressiemodel past, hoe je modelproblemen diagnosticeert met visualisaties, en hoe je de leverage en invloed van elke observatie die voor het model is gebruikt begrijpt.

Modelpassing kwantificeren

Determinatiecoëfficiënt

Residuele standaardfout

Model fit visualiseren

Residuals vs. geschatte waarden

Q-Q-plot van residuen

Scale-location

Diagnostische plots tekenen

Uitschieters, leverage en invloed

Hefboomwerking en invloed extraheren

Hoofdstuk beginnen

4

Eenvoudige logistische regressie

Leer logistische regressiemodellen fitten. Met echte data voorspel je de kans dat een klant zijn bankrekening sluit als kansen op succes en odds ratio’s, en kwantificeer je de modelprestatie met verwarringsmatrices.

Waarom je logistische regressie nodig hebt

De verklarende variabelen verkennen

Lineaire en logistische modellen visualiseren

Logistische regressie met glm()

Voorspellingen en odds ratio’s

Meest waarschijnlijke uitkomst

Log-oddsratio

De kwaliteit van een logistisch regressiemodel kwantificeren

De confusion matrix berekenen

De prestaties van een logistiek model meten

Accuracy, sensitivity, specificity

Gefeliciteerd

Hoofdstuk beginnen

Introductie tot regressie in R

Cursus
voltooid

Verdien een prestatieverklaring

Voeg deze referentie toe aan je LinkedIn-profiel, cv of curriculum vitae
Deel het op sociale media en in je functioneringsgesprekSchrijf je nu in

Sluit je aan bij meer dan 19 miljoen leerlingen en start vandaag nog met Introductie tot regressie in R!

Ontwikkel je datavaardigheden met DataCamp voor Mobiel

Maak vooruitgang onderweg met onze mobiele cursussen en dagelijkse 5-minuten programmeeruitdagingen.